Hadoop(4-2)-MapReduce程序案例-WordCount(Intellij Idea环境)

66 阅读 0 评论 44 点赞

我是靠谱客的博主儒雅白开水，最近开发中收集的这篇文章主要介绍Hadoop(4-2)-MapReduce程序案例-WordCount(Intellij Idea环境)，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

一、软件环境
我使用的软件版本如下:
1. Intellij Idea 2017.1

二、创建maven工程及配置
2.1创建工程
打开Idea,file->new->Project,左侧面板选择maven工程。(如果只跑MapReduce创建Java工程即可，不用勾选Creat from archetype，如果想创建web工程或者使用骨架可以勾选)
创建完成后以及运行结束后目录会如下：

2.2 添加maven依赖
在pom.xml添加依赖，对于Hadoop 2.6.5版本的hadoop，需要的jar包有以下几个：
• hadoop-common
• hadoop-hdfs
• hadoop-mapreduce-client-core
• hadoop-mapreduce-client-jobclient
• log4j( 打印日志)
具体pom.xml中的依赖如下:

 <dependencies>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.6.5</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>2.6.5</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-mapreduce-client-core</artifactId>
<version>2.6.5</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-mapreduce-client-jobclient</artifactId>
<version>2.6.5</version>
</dependency>
<dependency>
<groupId>log4j</groupId>
<artifactId>log4j</artifactId>
<version>1.2.17</version>
</dependency>
</dependencies>

2.3 配置log4j
在src/main/resources目录下新增log4j的配置文件log4j.properties，内容如下：

log4j.rootLogger = debug,stdout
### 输出信息到控制抬 ###
log4j.appender.stdout = org.apache.log4j.ConsoleAppender
log4j.appender.stdout.Target = System.out
log4j.appender.stdout.layout = org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern = [%-5p] %d{yyyy-MM-dd HH:mm:ss,SSS} method:%l%n%m%n

三、运行WordCount(从本地读取文件/本地运行)
在工程根目录下新建input文件夹，input文件夹下新增dream.txt，随便写入一些单词:

I have a
dream
a dreamI have a
dream
a dreamI have a
dream
a dream
I have a
dream
a dream
I have a
dream
a dream
I have a
dream
a dream
I have a
dream
a dream

在src/main/java目录下新建包，新增FileUtil.java，创建一个删除output文件的函数，以后就不用手动删除了。内容如下:

public class FileUtil {
public static boolean deleteDir(String path) {
File dir = new File(path);
if (dir.exists()) {
for (File f : dir.listFiles()) {
if (f.isDirectory()) {
deleteDir(f.getName());
} else {
f.delete();
}
}
dir.delete();
return true;
} else {
System.out.println("文件(夹)不存在!");
return false;
}
}
}

编写WordCount的MapReduce程序WordCount.java，内容如下:

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.io.IOException;
import java.util.Iterator;
import java.util.StringTokenizer;
/**
* Created by YYL on 2017/6/18.
*/
public class WordCount {
//嵌套类 Mapper
//Mapper<keyin,valuein,keyout,valueout>
public static class WordCountMapper extends
Mapper<Object, Text, Text, IntWritable> {
//one赋值为1
public static final IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(Object key, Text value, Context context)
throws IOException, InterruptedException {
// Java语言中，提供了专门用来分析字符串的类StringTokenizer（位于java.util包中）。
// 该类可以将字符串分解为独立使用的单词，并称之为语言符号。
// 语言符号之间由定界符（delim）或者是空格、制表符、换行符等典型的空白字符来分隔。
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
this.word.set(itr.nextToken());
//context.write(word, one)，即将分割后的字符串形成键值对，<单词，1>
context.write(this.word, one);
}
}
}
//嵌套类Reducer
//Reduce<keyin,valuein,keyout,valueout>
//Reducer的valuein类型要和Mapper的va lueout类型一致,
// Reducer的valuein是Mapper的valueout经过shuffle之后的值
public static class WordCountReducer
extends
Reducer<Text, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();//0
public void reduce(Text key, Iterable<IntWritable> values, Context context)
throws IOException, InterruptedException {
int sum = 0;
IntWritable val;
for (Iterator i = values.iterator(); i.hasNext(); sum += val.get()) {
val = (IntWritable) i.next();
}
this.result.set(sum);
context.write(key, this.result);
}
}
public static void main(String[] args)
throws IOException, ClassNotFoundException, InterruptedException {
FileUtil.deleteDir("output");
//获得Configuration配置 Configuration: core-default.xml, core-site.xml
Configuration conf = new Configuration();
//本地运行
String[] otherArgs = new String[]{"input/dream.txt","output"};
//发布到集群上
// String[] otherArgs = new String[]{"hdfs://hdp-node-01:9000/WordCountDir/","hdfs://hdp-node-01:9000/WordCountDir/out"};
if (otherArgs.length != 2) {
System.err.println("Usage:Merge and duplicate removal <in> <out>");
System.exit(2);
}
//设置Job属性
Job job = Job.getInstance(conf, "WordCount");
job.setJarByClass(WordCount.class);
job.setMapperClass(WordCount.WordCountMapper.class);
job.setReducerClass(WordCount.WordCountReducer .class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
//
配置输入和输出路径
//传入input path
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
//传入output path，输出路径应该为空，否则报错org.apache.hadoop.mapred.FileAlreadyExistsException。
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
//是否正常退出
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}

注：
1.注意不要导错类的包
2.本地运行时输入目录改为本地的
//本地运行
String[] otherArgs = new String[]{“input/dream.txt”,”output”};
//发布到集群上
// String[] otherArgs = new String[]{“hdfs://hdp-node-01:9000/WordCountDir/”,”hdfs://hdp-node-01:9000/WordCountDir/out”};
3.运行完毕以后，会在工程根目录下增加一个output文件夹，打开output/part-r-00000，内容如下:
I 5
a 14
dream 12
dreamI 2
have 7

四、运行WordCount(从HDFS读取文件/集群上运行)
4.1 在HDFS上新建文件夹:
[root@hdp-node-01 local]# hadoop fs -mkdir /WordCountDir

如果出现Namenode安全模式导致的不能创建文件夹提示：
mkdir: Cannot create directory /WordCountDir. Name node is in safe mode.
运行以下命令关闭safe mode:
hadoop dfsadmin -safemode leave
4.2上传本地文件:
将MapReduce01.jar和dream.txt上传到集群
[root@hdp-node-01 local]# hadoop fs -put dream.txt /WordCountDir
这里写图片描述

4.3 在集群上运行：
修改otherArgs参数，指定输入为文件在HDFS上的路径:
String[] otherArgs = new String[]{“hdfs://hdp-node-01:9000/WordCountDir/”,”hdfs://hdp-node-01:9000/WordCountDir/out”};

需保证WordCountDir下无out目录，运行后自动生成
hadoop jar MapReduce01.jar WordCount

重新运行，需先删除out目录
hadoop fs -rmr /WordCountDir/out

运行示例：
这里写图片描述
查看结果：
hadoop fs -cat /WordCountDir/out/part-r-00000

五、代码下载
代码下载地址:https://github.com/yyl424525/Hadoop/tree/master/MapReduce01

六、补充
StringTokener类
Java语言中，提供了专门用来分析字符串的类StringTokenizer（位于java.util包中）。该类可以将字符串分解为独立使用的单词，并称之为语言符号。语言符号之间由定界符（delim）或者是空格、制表符、换行符等典型的空白字符来分隔。其他的字符也同样可以设定为定界符。

StringTokenizer类的构造方法及描述：
StringTokenizer(String str) 为字符串str构造一个字符串分析器。使用默认的定界符，即空格符（如果有多个连续的空格符，则看作是一个）、换行符、回车符、Tab符号等
StringTokenizer(String str, String delim) 为字符串str构造一个字符串分析器，并使用字符串delim作为定界符
StringTokenizer类的主要方法及功能
String nextToken() 用于逐个获取字符串中的语言符号（单词）
boolean hasMoreTokens() 用于判断所要分析的字符串中，是否还有语言符号，如果有则返回true，反之返回false
int countTokens() 用于得到所要分析的字符串中，一共含有多少个语言符号

下面是一个例子。
String s1 = “|ln|ln/sy|ln/dl|ln/as|ln/bx|”;
StringTokenizer stringtokenizer1 = new StringTokenizer(s1, “|”);
while(stringtokenizer1 .hasMoreTokens()) {
String s3 = stringtokenizer.nextToken();
System.out.println(s3);
}

输出：
ln
ln/sy
ln/dl
ln/as
ln/bx